基于多时相Landsat8数据的吉林梨树县玉米遥感估产研究.pdf

2023 年 31 期创新前沿科技创新与应用Technology Innovation and Application基于多时相 Landsat8 数据的吉林梨树县玉米遥感估产研究朱紫琳，王加，潘阳虹，史浩辰，李喜佳*（吉林建筑大学 测绘与勘查工程学院，长春 130118）国以民为本，民以食为天，所以仓廪实，天下安。习近平总书记在吉林考察时指出：“吉林作为粮食主产省，要扛稳国家粮食安全重任。”稳粮仓必须稳种植面积，稳产量，而对农作物生长过程进行连续的监测是不可缺少的关键步骤。全球生态环境遥感监测工作专家组组长郭华东院士也曾表示：“中国利用遥感技术进行世界粮食估产，已成为全球鼎立的 三足 之一，这代表我国在该领域的能力已达到国际水平。1”提高粮食估产能力将为我国在国际粮食贸易中争取到更多的主动权2。当今时代粮食丰收不再只是靠天吃饭的风调雨顺，还有来自现代科技为粮食生产的护航丰粮于技。卫星遥感因其具有大范围连续观测，时效性高、成本低等优点受到人们的青睐，为粮食估产提供了新的快速准确的科技方法3。遥感估产主要包括两方面内容：一是作物识别与种植面积提取；二是生长发育期监测和产量预估4。不同地物具有不同的光谱特征，表现为不同的农作物在卫星影像上的色调不一样，不同时间段获取的遥感影像可以显示出农作物不同生长基金项目：吉林省大学生创新创业训练计划项目（S202210191038）*通信作者：李喜佳（1984-），女，博士，讲师。研究方向为遥感信息应用。摘要：粮食产量关系到国计民生，世界各国都非常重视粮食估产在农业和粮食安全中的作用和意义，因此及时对吉林省重点玉米产区梨树县进行估产及动态预测粮食产量是非常必要的，也具有重要的现实意义。该文基于多时相 Landsat8 数据、全球高精度土地覆盖数据集 GlobeLand30 数据，结合吉林省统计年鉴数据对梨树县玉米种植区进行识别提取及精度检验，同时利用波段计算处理修正该区域植被指数，并以此建立较为准确的吉林梨树县玉米遥感估产模型。研究表明，累积 NDVI 值和累积 RVI 值均在玉米生长的抽雄期达到最值，且具有一定的负相关性；对于任何生长时期，使用累积 NDVI 值作为特征参数、对抽雄期及乳熟期进行估产的模型具有更高的精度数据。因此，多时相 Landsat8 数据在农作物遥感应用方面有较好的发展空间。关键词：梨树县；Landsat8 数据；提取玉米种植面积；植被指数；玉米遥感估产中图分类号院P208文献标志码院A文章编号院2095-2945渊2023冤31-0022-05Abstract:Grain output is related to the national economy and peoples livelihood,and countries all over the world attachgreat importance to the role and significance of grain yield estimation in agriculture and food security.Therefore,it is verynecessary to estimate and dynamically predict grain yield in Lishu County,a key corn producing area of Jilin Province.It also hasimportant practical significance.Based on the multi-temporal Landsat8 data and the global high-precision land cover data setGlobeLand30 data,combined with the statistical yearbook data of Jilin Province,the corn planting area of Lishu County wasidentified and extracted and its accuracy was tested.At the same time,the regional vegetation index was modified by bandcalculation,and a more accurate remote sensing yield estimation model of corn in Lishu County of Jilin Province was established.The results showed that both the cumulative NDVI value and the cumulative RVI value reached the maximum at the headingstage of corn growth,and had a certain negative correlation;for any growth period,the model using cumulative NDVI value ascharacteristic parameter to estimate yield at heading stage and milk stage has higher accuracy data.Therefore,multi-temporalLandsat8 data has a good development space in the application of crop remote sensing.Keywords:Lishu County;Landsat8 data;extraction of corn planting area;vegetation index;estimation of corn yield by remotesensingDOI：10.19981/j.CN23-1581/G3.2023.31.00622-创新前沿科技创新与应用Technology Innovation and Application2023 年 31 期期的光谱信息特征，由此可以区分不同的地表类型和农作物类型5，将其结合全球高精度土地覆盖数据集GlobeLand30 数据的耕地掩膜，生成其光谱决策树，用以完成识别较为准确的作物种植区域，实现种植面积的提取。利用计算的农作物种植面积数据信息，可以进行农作物产量遥感估算，通常需要借助利用可见光与近红外波段波谱数据经过数学上的线性或非线性组合而构成的植被指数，其能从定量的角度来反映作物的长势，是理想的农作物估产遥感特征参数6，如比值植被指数（RVI）、归一化植被指数（NDVI）和增强植被指（EVI）等。本文将以吉林省的重点玉米产区梨树县作为研究区，基于新一代中高分辨率遥感卫星 Landsat8 数据探索玉米遥感估产方法，建立更为准确的玉米种植面积提取方法，构建简单易行高效的玉米产量估算模型。为国家和吉林省及时掌握梨树县玉米生产状况，为制定粮食宏观调控政策提供支撑信息。1数据和方法1.1研究区概况梨树县是吉林省的重要玉米产区，作为典型的农业县，始终走在农业绿色发展的前沿。为进一步夯实农业基础，挖掘农业优势，杠稳国家粮食安全重任7，这里已建成百万亩国家绿色食品原料（玉米）标准化生产基地，是全国粮食生产先进县，及国家现代农业示范区8。吉林省梨树县行政区划如图 1 所示。图 1吉林梨树县行政区划1.2数据源概况本文研究的数据源包括 Landsat8 卫星遥感影像数据、全球土地覆盖数据集 GlobeLand30 数据以及20162019 年吉林省统计年鉴数据9-12。1）该研究的主要数据源 Landsat8 数据考虑其县级的行政区域尺度，选取来自美国陆地卫星计划（Land原sat）的第 8 颗对地观测卫星搭载的新一代传感器陆地成像仪（Operational Land Imager，OLI），且该影像中对植被信息的监测波段具有多时相，影像数据质量较好。2）选取与 Landsat8 具有相同 30 m 空间分辨率的全球土地覆盖数据集 GlobeLand30 数据，避免尺度转换而产生的误差，便于数据处理。3）20162019 年吉林省统计年鉴数据，为梨树县玉米面积提取及估产模型提供辅助验证数据。1.3研究流程该研究的主要流程为可用遥感数据的筛选及下载、遥感数据预处理、识别及提取玉米种植面积、计算及修正选用的植被指数、建立并验证玉米估产模型。整体流程如图 2 所示。作为模型特征参数在众多植被指数的选择上，归一化植被指数 NDVI 应用最广泛，基本已从机理上确定了其与作物产量的内在关系；比值植被指数 RVI 可以突出植被与土壤的反射差异，与叶干生物量相关性较高，可以检测绿色植被生物量，因此本研究将采取NDVI 和 RVI 作为 2 个遥感估产特征参数。2 种植被指数的计算可以为遥感估产提供依据。吉林省玉米生长期最佳估产时间是在 79 月份，此时正值玉米拔节期、抽雄期、乳熟期和成熟期。在线性回归模型的建立上，分别建立玉米 4 个生长期的多时相遥感估产模型，分别计算各年不同生长期内玉米种植区累积 NDVI 值和累积 RVI 值，再各与其对应年份的统计产量进行线性拟合或其他回归分析，也可建立多生育期组合模型。1.4玉米面积提取方法生成的 Landsat8 遥感影像数据的标准假彩色图像，以其为基础进行数据图像预处理及应用：基于典型地物光谱曲线构建决策树，利用 GlobeLand30 数据提取耕地掩膜修正分类异常，实现对吉林梨树县玉米种植区的解译、识别及提取，提取成果分别如图 3、图4 所示。23-2023 年 31 期创新前沿科技创新与应用Technology Innovation and Application图 3决策树提取的面积渊2018 年 8 月 2 日为例冤图4计算植被指数提取的面积渊2018 年 8 月 2 日为例冤1.5数据处理对统计年鉴数据进行汇总整理，将提取的种植区面积数据与实际播种面积相对比，分析得到其误差数据。对叠加后的玉米范围求取累积 NDVI 值和累积RVI 值，分析该值与统计年鉴中实际产量的线性关系，再各与其对应年份的统计产量进行数据的线性拟合或其他回归分析。以线性拟合为例，其公式如下，（1），（2）式中：孕NDVI和 孕RVI分别代表利用 NDVI 和 RVI 遥感估算的产量，XNDVI和 XRVI分别代表对应年份某一生长期的 NDVI 累积值和 RVI 累积值，a、m、b 和 n 是回归系数。可以利用多个以往年份的数据构建模型，也可建立多生育期组合模型。通过对比选取最优植被指数和玉米估产期，确立玉米遥感估产模型。基于建立的遥感估产模型得到梨树县玉米遥感产量估算结果，采用产量误差统计进行精度验证，即计算遥感识别的玉米产量与梨树县统计年鉴玉米产量数据的误差，其公式如下式中：孕sta表示估算误差，孕 表示遥感估算产量，孕忆表示统计年鉴的玉米产量。2结果分析2.1提取玉米面积误差分析结果对提取的种植区面积数据与实际播种面积相对比进行，其误差分析结果见表 1。2.2累积 NDVI 值和累积 RVI 值计算结果求取玉米范围的累积 NDVI 值和累积 RVI 值，其结果见表 2。2.3生成估产模型结果将抽雄期与乳熟期的累积值与产量建立一元线性回归模型，对同年的拔节期与成熟期建立多元组合线性回归模型，其结果见表 3、表 4。图 2玉米遥感估产流程NDVINDVIPaXb RVIRVIPm Xnsta100%PPPP，（3）GlobeLand30 数据24-创新前沿科技创新与应用Technology Innovation and Application2023 年 31 期表 1梨树县实际玉米数据及提取的误差分析表 2梨树县不同生长期的累积 NDVI 值和 RVI 值表 3梨树县玉米抽雄期和乳熟期的 NDVI 及 RVI 遥感估产模型2.4结果分析NDVI 和 RVI 作为植被指数有不同的灵敏指数参数，植被覆盖度较高时，RVI 对植被十分敏感，反之敏感性显著降低；而 NDVI 则对高植被区具有较低的灵敏度，因此 RVI 值增加的速度高于 NDVI 值增加的速度，在表 2 中也均有所体现，即梨树县抽雄期植被覆盖度最大，提取面积最准确，误差越小，累积 NDVI 值最小，而累积 RVI 值最大，乳熟期次之。经吉林省统计年鉴数据整理发现，梨树县的产量数据与时间呈现线性的负相关，由表 2 中数据可得累积 NDVI 和累积 RVI 值均与实际产量呈现出一定的线性相关。因 2016 年和 2018 年数据所处的抽雄期和乳熟期植被覆盖度较高，提取精度较高，误差较小，因此将此分为一组建立相关 NDVI 和 RVI 的一元线性回归模型；而将 2019 年同年的 2 个具有相同产量时期的数据分为一组，分别建立不同特征参数的多元线性回归模型。但由于 NDVI 指数范围在（-1，1）内，且本研究对NDVI 指数进行了植被区的修正，只提取了（0，1）内的NDVI 值，而 RVI 指数在植被区通常大于 2，使得其累积 NDVI 值远小于累积 RVI 值，故而给模型提供了较大基数的自变量，导致无论哪个生长阶段玉米遥感的估产模型使用 NDVI 指数相较于使用 RVI 指数的精度更准确。3结论本文基于多时相 Landsat8 卫星遥感影像数据，结合 GlobeLand30 数据，利用吉林省梨树县统计年鉴数据进行辅助验证，实现了准确提取梨树县玉米区面积，从而确立玉米遥感估产模型的方法，并基于该成果得到如下结论。1）玉米生长期中抽雄期与乳熟期植被覆盖度较大，玉米区面积提取也较为准确。累积 NDVI 值在 4 个生长阶段中抽雄期数据最小，其次是乳熟期、成熟期和拔节期，累积 RVI 值在抽雄期数据最大，其次是拔节期、成熟期、乳熟期，两者存在一定的负相关性。2）对于抽雄期与乳熟期的回归模型分别对 NDVI 和RVI 使用组合的一元线性模型，同年份拔节期与成熟期数据也分别对 NDVI 和 RVI 使用了多元的线性回归模型，结果表明无论哪个组合时期，使用 NDVI 累积值这一特征参数相较于 RVI 累积值有更高的精度数据，且对抽雄期及乳熟期进行估产的精度更高、作用更好。生长期 举例日期 实际产量/t 播种面积/m2 提取面积/m2 误差（%）拔节期 2019.07.04 1 886 912 2 247 460 000 1 507 255 763 32.94 抽雄期 2018.08.02 1 978 939 2 328 650 000 2 333 513 693 0.21 乳熟期 2016.08.28 2 078 005 2 121 530 000 2 110 524 189 0.52 成熟期 2019.09.22 1 886 912 2 247 460 000 1 915 032 764 14.79 生长期 举例日期 累积 NDVI 值 累积 RVI 值 拔节期 2019.07.04 124.007 676 8 070.842 414 抽雄期 2018.08.02 111.334 107 8 248.917 647 乳熟期 2016.08.28 121.263 161 4 685.796 081 成熟期 2019.09.22 121.768 761 5 118.405 719 特征参数 生长期 a b 估计产量/t 误差（）NDVI 抽雄期 9 977.385 559 590 0 868 115.688 528 230 0 1 978 938.999 999 880 0 0.000 000 000 6 乳熟期 2 078 004.999 999 870 0 0.000 000 000 6 RVI 抽雄期-27.803 149 050 0 2 208 284.886 880 610 0 2 078 005.000 022 660 0 0.000 000 201 6 乳熟期 1 978 939.000 039 890 0 0.000 000 109 1 表 4梨树县玉米拔节期和成熟期的 NDVI 及 RVI 遥感估产模型特征参数 拔节期 成熟期 估计产量/t 误差（）NDVI 7 746.645 500 00 7 606.782 600 00 1 886 911.997 649 20 0.000 012 50 RVI 166.734 600 00 105.740 600 00 1 886 911.973 331 82 0.000 141 33 渊下转 31 页冤25-创新前沿科技创新与应用Technology Innovation and Application2023 年 31 期3）使用多时相 Landsat8 数据对吉林梨树县玉米产量进行遥感估产具有可行性，且精度较高，可以对更多种类的农作物、更大范围的作物种植区进行遥感估产研究，能够在农作物遥感应用方面发挥更大的作用。参考文献院1 我国已取得全球粮食遥感估产发言权EB/OL.https:/ 任建强，陈仲新，唐华俊援基于 MODIS-NDVI 的区域冬小麦遥感估产：以山东省济宁市为例J援应用生态学报，20园远（1圆）：圆猿苑员原圆猿苑缘援3 BASTIAANSSEN W G M,ALI S.A new crop yield fore原castingmodelbasedonsatellitemeasurementsappliedacross the Indus Basion,Pakistan J.Agriculture,Ecosystems&Environmen贼，圆园园猿（怨源）：猿圆员原猿源园援4 周青青，胡永红，段建南.农作物遥感估产的方法综述J，国土资源导刊，2014，11（5）：101-103.5 ZHANGM，在匀韵哉匝，悦匀耘晕 在，藻贼 葬造援 悦则燥责 凿蚤泽糟则蚤皂蚤灶葬原贼蚤燥灶 蚤灶 晕燥则贼澡藻则灶悦澡蚤灶葬 憎蚤贼澡 凿燥怎遭造藻糟则燥责责蚤灶早 泽赠泽贼藻皂泽怎泽原蚤灶早 云燥怎则蚤藻则 葬灶葬造赠泽蚤泽 燥枣 贼蚤皂藻原泽藻则蚤藻泽酝韵阅陨杂 dataJ.Interna原tional Journal of Applied Earth Observation&Geoinform葬贼蚤燥灶，圆园园愿，员园（源）：源苑远原源愿缘.6 李郁竹，谭凯琰.华北地区玉米遥感估产方法的初步研究J.应用气象学报，员怨怨缘，远（杂员）：猿猿原源员援7 孙双双.吉林：杠稳国家粮食安全重任 勇攀 800 亿斤粮食生产J.中国食品工业，圆园圆员（在员）：18.8 保护好黑土地 端好“中国饭碗”记省人大代表、梨树县农业技术推广总站站长王贵满J.吉林人大，圆园圆园（员员）：猿愿原猿怨援9 吉林省统计局.2016 年统计年鉴M.长春：吉林大学出版社，2016.10 吉林省统计局.2017 年统计年鉴M.长春：吉林大学出版社，2017.11 吉林省统计局.2018 年统计年鉴M.长春：吉林大学出版社，2018.12 吉林省统计局.2019 年统计年鉴M.长春：吉林电子出版社，2019.4结论本文阐述了海上风电场数据传输的背景、需求特点，并提出了一种基于 Kafka 的数据传输系统的设计与实现方法。通过分析 Kafka 的架构和实现原理，设计了一个高效、可靠的数据传输系统，实现了数据的生产、传输和消费等功能。在实际应用中验证了该系统的可行性和有效性，并进行了测试和优化。值得一提的是，Kafka 已经在互联网企业中得到广泛应用，如实时数据流处理、日志管理和监控、数据同步和复制、消息通知和推送等。在电力行业应用还比较少，但是类似于互联网企业，电力行业生产过程中也会产生大量的实时数据，例如发电机、变压器、开关等设备的运行状态数据，这些数据同样需要实时采集、传输、分析，以支持各种预测、决策和控制应用。因此，Kafka 作为一种高吞吐量、低延迟、可扩展的消息队列系统，可以满足电力行业对实时数据采集和处理的需求。希望本文提出的基于 Kafka 的海上风电场数据传输系统的设计与实现方法，能够为电力行业数据处理提供一种新的思路和工具。参考文献院1 王琮.电力企业数字化转型探索J.华北电业，2022，337（11）：58-59.2 石磊，何天翔，陈端兵.企业数据资产价值评估研究J.中国资产评估，2023，277（4）：20-30.3 张佳銮，王增栩，田中华.碳达峰碳中和背景下广东省电力行业降碳路径研究J.科技和产业，2022，22（8）：61-67.4 熊金莲，刘丰，郭艺峰，等.海洋观测数据传输系统的设计与实现J.计算机应用与软件，2022，39（12）：34-38，101.5 陈明，花桥建，顾小红，等.基于 MQTT 的水务数据传输系统设计开发J.工业控制计算机，2022，35（5）：6-8.6 王飞，孙娇娇，丁文文.基于 Netty 和 Kafka 的工程机械车联网数据采集系统设计方案J.智能物联技术，2022，5（4）：30-35.7 李嘉辉.工业互联网协议识别与解析方法研究及系统实现D.西安：西安电子科技大学，2022.8 叶惠仙.基于 Spark Streaming、Kafka 构建数据中心加工引擎的实践J.网络安全技术与应用，2023，267（3）：51-53.9 黄凯方，刘诚，吴文波.Kafka 在微众平台双路由应急切换中的探索与应用J.广东通信技术，2022，42（8）：67-71.10 王以伍，舒晖.基于 SpringBoot+Vue 前后端分离的高校实验室预约管理系统的设计与实现J.现代计算机，2023，29（1）：114-117.渊上接 25 页冤31-